A study on the magnetic resonance imaging (MRI)-based radiation treatment planning of intracranial lesions
Notice bibliographique
Résumé
The aim of this study is to develop a magnetic resonance imaging (MRI)-based treatment planning procedure for intracranial lesions. The method relies on (a) distortion correction of raw magnetic resonance (MR) images by using an adaptive thresholding and iterative technique, (b) autosegmentation of head structures relevant to dosimetric calculations (scalp, bone and brain) using an atlas-based software and (c) conversion of MR images into computed tomography (CT)-like images by assigning bulk CT values to organ contours and dose calculations performed in Eclipse (Philips Medical Systems). Standard CT + MRI-based and MRI-only plans were compared by means of isodose distributions, dose volume histograms and several dosimetric parameters. The plans were also ranked by using a tumor control probability (TCP)-based technique for heterogeneous irradiation, which is independent of radiobiological parameters. For our 3 T Intera MRI scanner (Philips Medical Systems), we determined that the total maximum image distortion corresponding to a typical brain study was about 4 mm. The CT + MRI and MRI-only plans were found to be in good agreement for all patients investigated. Following our clinical criteria, the TCP-based ranking tool shows no significant difference between the two types of plans. This indicates that the proposed MRI-based treatment planning procedure is suitable for the radiotherapy of intracranial lesions.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».